Si può dare la caccia alle fake news usando un algoritmo?

Ero al TechCamp di Varsavia, mi sono avvicinato a Douglas Arellanes, e gli ho chiesto: “Potremmo utilizzare l’intelligenza artificiale per stanare le fake news?”. Gli ho detto proprio così: ‘stanare’. E lui, che è una persona ragionevole, non mi ha chiesto se per caso fossi matto, ma mi ha rivolto un sorriso sornione e ha risposto: “possiamo fare di meglio”.

Lo avevo conosciuto un paio di mesi prima a Bruxelles, in una di quelle meravigliose occasioni che sono i TechCamp: opportunità di incontrare persone che non condividono le stesse idee, ma hanno un comune obiettivo: il giornalismo di qualità. Mi aveva colpito l’algoritmo che aveva usato per creare Rage Detector e sapevo che era lui la persona giusta per portare a termine il progetto che avevo in mente.

I nemici del buon giornalismo

Ci sono due cose che odio più delle fake news: il click-baiting e il sentiment. E siccome un’altra cosa che detesto è l’uso a sproposito dei termini inglesi, ecco cosa intendo:

• il click-baiting è quel trucchetto ormai da scuola elementare per spingere qualcuno a cliccare su un post e che generalmente suona così: “Non avete idea di cosa succede a questa donna dopo che il suo gatto…”
• il sentiment è una cosa che nel giornalismo dovrebbe essere un non-sense: l'opinione.

Ora, per quanto riguarda il click-baiting spero che sparirà come è scomparsa la pubblicità degli occhiali a raggi x su ‘L’intrepido’, mentre a proposito del ‘sentiment’ credo di dire una banalità condivisa se affermo che un articolo ben fatto non deve trasmettere opinioni, ma informazioni. E che se lo fa è perché qualcuno ha infarcito quell’articolo di qualcosa che non dovrebbe esserci: parole che creano indignazione, commozione, rabbia o disgusto.

E’ per questo motivo che io e Douglas, insieme allo sviluppatore Edouard Richard e all’Università e l’Ifg di Urbino abbiamo messo a punto il prototipo di un progetto che abbiamo chiamato Bias Tracker, che è andato online alla vigilia delle elezioni.

Come funziona lo stana-pregiudizi

Bias Tracker rileva automaticamente il sentiment relativo a un'entità - una persona, un luogo o una cosa - e ne tiene traccia. Quindi, utilizzando piccoli grafici a barre chiamati ‘sparkline’, è in grado di mostrare come si sviluppa nel tempo il sentiment negli articoli che includono quell'entità. Gli utenti possono fare clic sui grafici per visualizzare i singoli post di Facebook e gli articoli, nonché i loro punteggi ‘sentimentali’.

Bias Tracker è un prototipo, ma con oltre 57 mila post, 22 fonti e oltre 14mila entità, pensiamo che funzioni abbastanza bene da illustrare il sentiment dei media italiani, in questa fase limitatamente ai loro post su Facebook. Crediamo che questo sia utile perché l'automazione è la chiave per analizzare un contenuto su larga scala. Certo l’assioma “sentiment=fake news” può suonare come una forzatura, ma presto o tardi dovremo chiederci cosa sia peggio: se una notizia falsa, o una vera ma così piena di ‘sentiment’ da viziarla.

Il prototipo di Bias Tracker è open source, è disponibile su Github ed è stato progettato con API RESTful. Accogliamo con favore test e suggerimenti su come migliorare lo strumento e siamo interessati a collaborare con testate e istituzioni accademiche per svilupparlo ulteriormente.